“姚光乐”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果29个，建议您升级VIP下载更多相关专利

[发明专利]一种X翼无人机尾翼折叠展开传动机构-CN202010900614.0有效
发明人：和法成;陈方正;李村;李冲;姚光乐;王守雷;余通 -专利权人：中国电子科技集团公司第四十一研究所
申请日： 2020-08-31 - 公布日： 2022-06-10 - 主分类号： B64C5/16 文献下载
摘要：本发明公开了一种X翼无人机尾翼折叠展开传动机构，包括有两个垂直连接的底板，所述底板上安装了两个舵机，所述舵机上分别安装有摇臂，所述摇臂通过连杆与尾翼底座连接，所述尾翼底座上有滚珠轴承与底板连接，所述尾翼底座上安装有四片尾翼。四片尾翼开始处于折叠状态，四片尾翼被发射筒壁约束向前折叠，无人机发射出筒时，四片尾翼在底座6中卷簧弹力的作用下沿机体壳体方向展开，这种展开方式相比远离机体壳体方向展开，可以保持尾翼结构的完整性，从而实现尾翼的全翼舵偏，同时使尾翼在有限的空间中具有足够展长，提高了尾翼的气动效率。
一种无人机尾翼折叠展开传动机构

[发明专利]一种核电站引水隧洞海生物清理机器人-CN202010206492.5有效
发明人：张葛祥;杨强;邓斌;姚光乐;张亮;雷越;徐新;李志伟;王奇;赵劲宇;何栋;王聪;廖建宇;何沛恒;左荣 -专利权人：成都理工大学;西南交通大学
申请日： 2020-03-22 - 公布日： 2022-06-07 - 主分类号： B08B1/00 文献下载
摘要：本发明公开了一种核电站引水隧洞海生物清理机器人，该机器人由机架、刀具组件和行走轮组件三部分组成，机架起安装固定刀具安装座和履带轮的作用，安装在机架上的行走轮组件使整个设备在隧洞内正常行走；刀具组件通过液压缸来控制刀具高度，使之与隧道内壁接触，通过液压缸带动锯齿状的刀具来回移动，将附着在隧道内壁的海生物铲下来；刀具组件均匀分布在机架上，保证隧道截面清理范围全覆盖。本发明能够代替人工进行隧洞中海生物的清理，采用环形切削技术，在清理效率上带来了显著的变化。
一种核电站引水隧洞海生清理机器人

[发明专利]一种基于深度神经网络的样本增量学习方法-CN202210002217.0在审
发明人： 姚光乐;祝钧桃 -专利权人：成都理工大学
申请日： 2022-01-04 - 公布日： 2022-05-24 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于深度神经网络的样本增量学习方法，涉及大数据智能分析技术领域，该方法在对新任务训练时，采用了对旧任务数据的知识蒸馏，这样做的目的时使得旧数据xk在新模型的预测结果pj(xk)尽可能的接近其在旧模型上的预测结果pj‑1(xk)，使模型在学习新数据的同时，保持对旧数据的识别能力，能够使模型保持对旧数据的预测结果，以缓解对旧知识的遗忘，防止模型偏向预测新数据。
一种基于深度神经网络样本增量学习方法

[发明专利]一种紧凑型折叠机翼展开锁定机构-CN202010770526.3有效
发明人：陈方正;郝绍杰;王钊;李冲;和法成;李村;王守雷;姚光乐;余通 -专利权人：中国电子科技集团公司第四十一研究所
申请日： 2020-08-04 - 公布日： 2022-03-18 - 主分类号： B64C3/56 文献下载
摘要：本发明公开了一种紧凑型折叠机翼展开锁定机构，包括机座、限位锁定片、翼片、动力卷簧和盖板；所述机座包括方形凸起和转轴；所述限位锁定片包括锁定弹片、支撑环、旋转限位孔、翼片旋转制动面以及翼片折叠限位面；翼片包括锁定槽、锁定面、底面、限位凸块、翼片卷簧安装槽、弹簧腔以及翼片支撑环。本发明的有益效果是：提出的折叠机翼展开锁定机构具有零部件少，结构紧凑，展开锁定动作可靠，锁定机构能够消除间隙，且不占用机体内部空间等优点。
一种紧凑型折叠机翼展开锁定机构

[发明专利]一种小型折叠翼无人机一体化地面测试平台及测试方法-CN202010934350.0有效
发明人：李冲;李村;陈方正;和法成;姚光乐;王守雷;余通 -专利权人：中国电子科技集团公司第四十一研究所
申请日： 2020-09-08 - 公布日： 2022-01-28 - 主分类号： B64F5/60 文献下载
摘要：本发明公开了一种小型折叠翼无人机一体化地面测试平台及测试方法，其中测试平台包括：底板、地脚、前支撑板、后支撑板、斜拉板、限位板，L型连接件；其中：四个地脚通过螺栓连接在底板的底部，可以调节整个测试平台的水平度；前支撑板和后支撑板通过底板的卡槽和L型连接件固连在底板上部。还包括测力称重传感器，测力称重传感器通过传感器安装座安装在前支撑板和后支撑板上，并且高度可调节用以保证四个测力称重传感器的触点在同一水平面上。上述结构有效减少了测试台不水平和传感器位置不确定等定位误差，有力地保证了被测无人机的质量和质心测量精度。
一种小型折叠无人机一体化地面测试平台方法

[发明专利]一种说话人识别方法及系统-CN202110886484.4在审
发明人：张葛祥;方祖林;贾勇;姚光乐;杨强;焦旭;罗标;汤刚;何瑶 -专利权人：成都理工大学;成都图灵志杨信息科技有限责任公司
申请日： 2021-08-03 - 公布日： 2021-11-05 - 主分类号： G10L17/02 文献下载
摘要：本发明公开了一种说话人识别方法及系统，使用不同傅里叶变换窗长分别提取语音信号在不同时频分辨率下的梅尔谱图作为训练网络的特征图，将梅尔谱图分别使用ResNet34网络进行识别训练得到多个模型，并且在ResNet34网络的后端加入注意力模块使模型能够训练出每个特征通道的最优权重，然后通过加权融合的方式得到最终的融合特征向量，最后将融合后的特征向量与数据库中的说话人特征向量进行余弦距离比较，以确定说话人身份。本发明利用不同傅里叶变换窗长提取语音信号在不同时间、频率分辨率下的梅尔谱图特征进行训练，弥补了单一傅里叶窗长下提取特征谱图所导致的时间、频率分辨率不足的问题，提高了声纹识别的准确率。
一种说话识别方法系统

[发明专利]基于表示预测的小样本类增量学习方法-CN202110738115.0在审
发明人： 姚光乐;祝钧桃;王洪辉;周文龙;彭鹏;李军;刘瑛 -专利权人：成都理工大学
申请日： 2021-06-30 - 公布日： 2021-09-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于表示预测的小样本类增量学习方法，涉及图像识别分类技术领域，包括以下步骤：S1，通过特征提取器f加softmax分类器结构完成对基类数据Dbase的基本任务训练，通过基本任务训练得到基类数据的特征；S2，当基础任务训练完成后，去除softmax分类器，将特征提取器f输出的特征输入NCM分类器，并计算每类的类中心；S3，通过特征提取器f来获取新类DN中样本的输出，通过得到的样本输出与步骤S2中得到的所有基类的类中心比较相似性，根据相似程度来预测该样本的特征，将输出的相似值归一化后作为对应的类中心ub的权重；通过此种设计达到类别不断增加的情况下，对所有已学习的类别进行分类的目的。
基于表示预测样本增量学习方法

[发明专利]一种非高斯噪声条件下的单站纯角度目标定位与跟踪方法-CN202010761338.4在审
发明人：李村;王守雷;陈方正;姚光乐;余通;和法成;李冲 -专利权人：中国电子科技集团公司第四十一研究所
申请日： 2020-07-31 - 公布日： 2020-11-17 - 主分类号： G01S5/02 文献下载
摘要：本发明公开了一种非高斯噪声条件下的单站纯角度目标定位与跟踪方法，基于高斯混合容积卡尔曼滤波器进行非高斯噪声条件下的单站纯角度目标定位与跟踪算法设计，通过将非高斯噪声建模为两个不同方差的高斯噪声，并对状态量进行高斯分量建模，针对每一个高斯分量利用容积卡尔曼滤波器进行状态估计，并对滤波器输出进行高斯分量缩减合并，并迭代计算，最终得出对目标状态估计值。本发明的有益效果是，基于高斯混合容积卡尔曼滤波的单站纯角度目标定位与跟踪算法，将非高斯观测噪声建模为闪烁噪声，采用高斯分量分割与融合策略，利用容积卡尔曼对高斯分量进行状态估计，实现对目标的定位与跟踪，具有定位精度高，计算复杂度低等特点。
一种非高斯噪声条件下单站纯角度目标定位跟踪方法

[发明专利]一种高压输电线路架空地线的布置方法-CN202010205382.7在审
发明人：张葛祥;杨强;范松海;姚光乐;刘重稷 -专利权人：成都理工大学
申请日： 2020-03-22 - 公布日： 2020-06-05 - 主分类号： H02G7/22 文献下载
摘要：本发明公开了一种高压输电线路架空地线的布置方法，包括确定地线绝缘段长度、分段绝缘、中间换位和两点接地的步骤。进一步地，确定地线绝缘段长度具体为：计算最大节距、根据最大节距计算得到地线绝缘段长度等。本发明中两根架空地线均采用相同的布置方式，避免了OPGW逐塔接地，普通地线分段绝缘、单点接地的布置方法时，OPGW更易遭受雷击而导致断股和通信中断的现象，保证了OPGW中信息传输和通信的顺畅，为电力系统的安全稳定运行提供了基础。与分段绝缘、单点接地方式相比，能有效地降低绝缘段首末两端的感应电压；在输电线路单相接地短路运行时，故障相的潜供电流较小，在一定程度上缩短潜供电弧的熄灭时间，提高自动重合闸的成功率。
一种高压输电线路架空地线布置方法

[实用新型]基于嵌入式管道缺陷检测装置-CN201921341481.7有效
发明人：吕兵;刘玉贤;叶绍泽;潘文俊;胡朝辉;方门福;卢永华;周运林;姚光乐;闫臻;银霞 -专利权人：深圳市勘察研究院有限公司
申请日： 2019-08-14 - 公布日： 2020-06-02 - 主分类号： G01N21/88 文献下载
摘要：本实用新型公开了一种基于嵌入式管道缺陷检测装置，包括嵌入式处理器、电源管理器、数据存储器、视频采集器、控制模块、LCD显示模块、无线数据传输模块；所述视频采集器将采集的视频信息通过该控制模块传输至所述嵌入式处理器；所述嵌入式处理器将分析处理后的信息传输至数据存储器进行保存；该嵌入式处理器控制所述LCD显示模块；所述嵌入式处理器将分析处理后的信息通过无线数据传输模块进行传输。提供一种功耗低，处理速度慢，功能多样，能与多种外部设备兼容的一种基于嵌入式管道缺陷检测装置。
基于嵌入式管道缺陷检测装置

[发明专利]基于卷积神经网络的地下管网检测评估云系统-CN201910750559.9在审
发明人：叶绍泽;姚光乐;钟剑丹;刘玉贤 -专利权人：深圳市勘察研究院有限公司
申请日： 2019-08-14 - 公布日： 2019-12-20 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的地下管网检测评估云系统，包括云服务器模块、缺陷识别服务模块、风险评估服务模块；所述缺陷识别服务模块，用于检测识别地下管道缺陷信息，该缺陷识别服务模块通过GoogLeNe卷积神经网络络进行识别检测管道缺陷信息；所述云服务器模块将采集的地下管道视频和图像信息通过该地下管网风险评估云系统传输至该缺陷识别服务模块对地下管道检测识别；该缺陷识别服务模块将检测识别的信息通过该地下管网风险评估云系统传输至风险评估服务模块对管道信息进行风险评估。本发明在于提供一种智能化程度强，检测效率高，大大提高了检测精度，节省了人力成本的一种基于卷积神经网络的地下管网检测评估云系统。
服务模块风险评估缺陷识别检测云系统卷积神经网络地下管道地下管网云服务器管网管道缺陷管道信息缺陷信息人力成本图像信息信息通过传输智能化评估视频采集

[发明专利]基于深度学习的地下管网风险评估云系统-CN201910750569.2在审
发明人：吕兵;刘玉贤;叶绍泽;潘文俊;胡朝辉;方门福;卢永华;周运林;姚光乐;闫臻;银霞 -专利权人：深圳市勘察研究院有限公司
申请日： 2019-08-14 - 公布日： 2019-12-20 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的地下管网风险评估云系统，包括云服务器模块、缺陷识别服务模块、风险评估服务模块；所述云服务器模块将采集的地下管道视频和图像信息通过该地下管网风险评估云系统传输至该缺陷识别服务模块对地下管道检测识别；该缺陷识别服务模块将检测识别的信息通过该地下管网风险评估云系统传输至风险评估服务模块对管道信息进行风险评估。本发明在于提供一种智能化程度强，检测效率高，大大提高了检测精度，节省了人力成本的一种基于深度学习的地下管网风险评估云系统。
风险评估服务模块云系统缺陷识别检测地下管道地下管网云服务器管网管道信息人力成本图像信息信息通过传输智能化视频采集学习

[发明专利]基于混合卷积神经网络的地下管网检测评估云系统-CN201910750577.7在审
发明人：吕兵;刘玉贤;叶绍泽;潘文俊;胡朝辉;方门福;卢永华;周运林;姚光乐;闫臻;银霞 -专利权人：深圳市勘察研究院有限公司
申请日： 2019-08-14 - 公布日： 2019-12-20 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于混合卷积神经网络的地下管网检测评估云系统，包括云服务器模块、缺陷识别服务模块、风险评估服务模块；所述缺陷识别服务模块，用于检测识别地下管道缺陷信息，该缺陷识别服务模块通过混合卷积神经网络进行识别检测管道缺陷信息；所述云服务器模块将采集的地下管道视频和图像信息通过该地下管网风险评估云系统传输至该缺陷识别服务模块对地下管道检测识别；该缺陷识别服务模块将检测识别的信息通过该地下管网风险评估云系统传输至风险评估服务模块对管道信息进行风险评估。本发明在于提供一种智能化程度强，检测效率高，大大提高了检测精度，节省了人力成本的一种基于混合卷积神经网络的地下管网检测评估云系统。
服务模块风险评估缺陷识别检测云系统卷积神经网络地下管道地下管网云服务器管网管道缺陷管道信息缺陷信息人力成本图像信息信息通过传输智能化评估视频采集

[发明专利]一种针对多目标检测的卷积神经网络设计方法-CN201910431930.5在审
发明人：钟剑丹;姚光乐 -专利权人：成都艾希维智能科技有限公司
申请日： 2019-05-22 - 公布日： 2019-08-23 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种针对多尺度目标检测的卷积神经网络设计方法，包括如下步骤：步骤一，以VGG‑16模型为基础，删除三个全连接层，增加3个小型网络和2个全连接层构建MSOPN网络；步骤二，以VGG‑16模型为基础，在卷积层之后加入ROI Pooling层和两个全连接层，两个全连接层分别是pred_score层和pred_bbox层，构成MSODN网络；步骤三，对MSOPN网络和MSODN网络采用多任务损失函数L进行联合训练；步骤四，训练后的MSOPN网络和MSODN网络采用级联方式连接，形成多尺度目标检测网络。通过本方法可以实现对目标的定位，尤其是小目标的精确定位；以及对目标特征的提取和对目标的识别。
连接层网络卷积神经网络目标检测多尺度多目标检测级联方式目标特征损失函数小型网络小目标构建卷积删除联合

首页
«上一页
1
2
共 29 条